carnival13/massive_5_lang_DA3_tokenized

---
dataset_info:
features:
- name: pass_label
dtype: int64
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
splits:
- name: train
num_bytes: 419259395
num_examples: 552890
download_size: 127212717
dataset_size: 419259395
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
# Dataset Card for "massive_5_lang_DA3_tokenized"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

数据集信息（dataset_info）：
特征字段：
- 字段名：通过标签（pass_label），数据类型为int64（64位整数）
- 字段名：输入Token序列（input_ids），数据类型为int32（32位整数）序列
- 字段名：注意力掩码（attention_mask），数据类型为int8（8位整数）序列
数据集划分（splits）：
- 划分名称：训练集（train），占用字节数：419259395，样本总数：552890
下载大小：127212717 字节
数据集总存储大小：419259395 字节
配置项（configs）：
- 配置名称：默认配置（default），数据文件：
- 对应划分：训练集（train），文件路径：data/train-*
# "massive_5_lang_DA3_tokenized" 数据集卡片

[需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集信息

• 特征:
  • pass_label: 数据类型为 int64
  • input_ids: 序列类型为 int32
  • attention_mask: 序列类型为 int8

数据分割

• 训练集:
  • 字节数: 419259395
  • 样本数: 552890

数据大小

• 下载大小: 127212717
• 数据集大小: 419259395

配置

• 默认配置:
  • 数据文件路径: data/train-*